基于人工智能的电力网络安全威胁精准识别与检测

刘江; 刘文彬; 王建

doi:10.16009/j.issn.1009-5624.2026.15.031

信息记录材料 ›› 2026, Vol. 27 ›› Issue (15) : 95 -97. DOI: 10.16009/j.issn.1009-5624.2026.15.031

基于人工智能的电力网络安全威胁精准识别与检测

刘江, 刘文彬, 王建

作者信息 +

Author information +

文章历史 +

摘要

针对传统特征匹配法在电力网络安全威胁检测中漏报误报率高、实时性差、难以应对未知威胁的问题，本文提出一种基于机器学习(分类、聚类与异常检测)、深度智能学习(时序与图像模型、恶意代码与漏洞检测)以及协同与大模型技术(联邦学习、电力网络安全大模型)的分层应用方法，并阐述了数据采集与预处理、特征工程、模型训练与优化、部署应用等关键实现步骤。结果表明，基于人工智能(AI)的方法在检测准确率、漏报率、误报率及检测延迟等核心指标上均显著优于传统方法，其中电力网络安全大模型的综合表现最优，能够有效提升电力网络威胁识别检测的精度与效率。